Build RAGAI下载 - Build RAGAI源代码下载

Build RAGAI

三方组件

1.0.0

下载

Build Ragai

描述

该项目旨在教您如何通过使用Langchain和Transformers库来构建具有生成AI功能的Python应用程序。

虽然有OpenAI的部分，但以前存在的大多数代码已与Langchain或Transformers库集成并集成在一起。该项目包括代码片段，包装示例和jupyter笔记本，您可以分别增加，复制或学习。

如果您不熟悉构建AI驱动的应用程序，我建议您首先在Langchain笔记本中播放和执行代码。看到行动中的代码，自己编辑并创造性地集思广益是学习的最佳方法。

代码片段：在这里，您会发现可插入的Python组件。
- BufferWindow_Memory.py：可以在兰班对话中使用的简单内存组件。
- chatopenai.py：一个简单的LLM组件，可用于返回聊天消息。
- MULTI_QUERYVECTOR_RETRIEVAL.PY：结合了多Querying和多向量检索功能的高级回收型组件。
笔记本：在这里，您会找到Jupyter笔记本电脑，以指导您使用许多不同的Langchain课程。
- 合并Dataloader：了解如何通过MergedDataLoader嵌入和查询多个数据源。在此笔记本中，我们将学习如何克隆github存储库和刮擦Web文档，然后再将其嵌入到矢量站中，然后将其用作检索器。到最后，您应该舒适使用自己的抹布项目中的任何来源作为上下文。
- 自定义工具：学习如何在Langchain代理中创建和使用自定义工具。
- 图像生成和字幕 +视频生成：学会创建一个代理，该代理会根据您的提示选择哪种生成工具。此示例首先是代理在完善用户提示后生成图像。
- Langsmith演练：了解如何使用Langsmith的跟踪并从Langsmith Hub开始提示。
- 检索增强一代：从检索增强一代开始，以提高LLM的性能。
- MongoDB抹布：对MongoDB进行相似性搜索，元数据过滤和提问。
- Pinecone和Chromadb：与两家不同的矢量商店进行检索增强一代的更基本但彻底的演练。
- Faiss和HuggingFaceHub：学习如何使用Faiss索引与HuggingFaceHub嵌入方式进行相似性搜索。此示例是一个私密友好的选项，因为一切都在本地运行。不需要GPU！
- 可运行的和链（Langchain Expression语言）：了解Langchain中的可运行和链的差异以及如何使用。在这里，您将深入研究他们的细节。
尽头示例：在这里，您会发现为开箱即用的脚本。
- 用代理商的抹布：学习将代理用于抹布。
  - 简化聊天机器人：使用OpenAI的简单简化聊天机器人。
  - 目录加载程序：使用DirectoryLoader类加载文件进行查询。
  - PYPDF Directory Loader：使用PypdfDirectoryLoader类加载文件进行查询。
  - Facebook AI相似性搜索：使用FacebookAISimilaritySearch类加载文件进行查询。
  - 矢量店抹布：学习如何在兰班链中使用矢量店。
  - Pinecone：使用Pinecone Vector数据库“索引”作为猎犬，并与您的文档聊天。

Openai：

代码片段：在这里，您将使用OpenAI Python库找到代码片段。
- 文字到语音：使用Whisper API从文本中产生语音。
笔记本：在这里，您会找到jupyter笔记本，向您展示如何使用Openai Python库。
- 检索增强一代：从检索增强生成和松果开始，以提高LLM的性能。

变形金刚：

代码片段：在这里，您将使用Transformers Python库找到代码片段。
- Dolphin Mixtral：一个简单的功能，可以使用pipeline生成文本。
笔记本：在这里，您会找到Jupyter笔记本电脑，向您展示如何使用Transformers Python库。
- 自动语音识别：在Gradio演示中使用Whisper-V3转录语音。
软件包：在这里您会找到CLI应用程序。
- 音频转录：
  - 片刻转录：使用麦克风转录音频。
  - 任务创建：基于转录的音频生成任务。
- 加速训练：使用加速序列分类模型，使事情变得更快。

入门

安装

本地代码执行和测试

该项目是使用PDM开发的。您可以使用pip安装PDM：

首先导航到该项目的根目录，然后运行：

pip install -U pdm

然后，您需要使用PDM安装依赖项：

pdm install

此命令将在.venv中创建虚拟环境，并在该环境中安装依赖项。如果您使用MacOS或Linux，则可以运行source .venv/bin/activate以激活环境。否则，您可以运行命令.venv/Scripts/activate或.venv/Scripts/activate.ps1以激活环境。

通过使用虚拟环境，我们避免污染我们的全球Python环境。

一旦设置了虚拟环境，我们就需要选择它作为Jupyter笔记本的内核。如果您在VSCODE中，则可以在笔记本右上方执行此操作。如果您使用的是其他IDE，则需要在线寻找设置帮助。

选择内核时，请确保您选择位于.venv目录内部的内核，而不是全局Python环境。